[发明专利]一种基于电子鼻的快速预测茶树受害虫取食时间的方法有效

专利信息
申请号: 201610016866.0 申请日: 2016-01-11
公开(公告)号: CN105548490B 公开(公告)日: 2017-09-01
发明(设计)人: 王俊;孙玉冰;程绍明 申请(专利权)人: 浙江大学
主分类号: G01N33/00 分类号: G01N33/00
代理公司: 杭州求是专利事务所有限公司33200 代理人: 邱启旺
地址: 310027 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于电子鼻的快速预测茶树受害虫取食时间的方法。挑选健康无损伤的茶树作为检测对象。对不同茶树样本组移植数量相同的害虫,经过不同的害虫取食时间,将茶树放入电子鼻样品顶空装置中静置一段时间后使用电子鼻检测,并使用健康无损伤的茶树作为对照组,使用稳定值法、小波分析法和二次项拟合法分别对获得的数据进行特征提取,并以两种不同的模式识别算法选出最优特征提取方法,采用线性回归算法建立最优特征提取方法提取出来的特征值与害虫取食时间之间的定量预测模型。本发明提供了一种快速预测茶树受害虫取食时间的方法,对茶树样本无损害,操作简单,并具有良好的预测效果,具有较高的推广利用价值。
搜索关键词: 一种 基于 电子 快速 预测 茶树 受害 虫取食 时间 方法
【主权项】:
一种基于电子鼻的快速预测茶树受害虫取食时间的方法,该方法检测过程在电子鼻样品顶空收集装置中实现,该装置包括空气泵(1)、活性炭管(2)、流量计(3)、特氟隆管(4)、密封板(5)、支架台(6)、茶树(7)、玻璃罩(8);其中,所述空气泵(1)、活性炭管(2)、流量计(3)和玻璃罩(8)通过特氟隆管(4)依次连接;密封板(5)设置在支架台(6)和玻璃罩(8)之间;茶树(7)的根部在密封板(5)的下方,茶树(7)的枝叶在玻璃罩(8)之内;电子鼻样品顶空收集装置的工作条件为:通过流量计(3)将空气流量控制在1000ml/min到1400ml/min之间,该装置工作的时间控制在5min‑8min之间,使玻璃罩(8)内的气体均为经活性炭管(2)净化后的空气;其特征在于,该方法具体包括以下步骤:(1)、将茶树叶片洗净,去除灰尘,并挑选健康无损伤的茶树作为检测对象;选取8组待测茶树样品,每组待测茶树样品中包含n株茶树,其中,n为大于等于10的自然数;对7组待测茶树样品移植相同数量的害虫,害虫数量为5‑15之间,经过不同的取食时间,分别是4小时、8小时、12小时、16小时、20小时、24小时和28小时,最后一组健康无损伤的茶树作为对照组;将茶树放入电子鼻样品顶空收集装置中,并且保证装置内茶树的叶片为20‑25片,然后在室温下放置30min‑40min使该顶空装置内挥发物浓度达到稳定;(2)、抽取电子鼻样品顶空收集装置内的挥发物,注入电子鼻系统中,设置检测时间为60s‑90s、清洗时间为60s‑80s和气流速度为200ml/min‑400ml/min;电子鼻系统中的传感器与挥发物发生反应,产生响应信号;(3)选用稳定值法、小波分析法和二次项拟合法对电子鼻各个传感器响应曲线进行特征提取;所述稳定值法提取特征是选择每根传感器响应值稳定值作为特征值;所述小波分析法提取特征是选择时频窗口小、正交性和规则性好的Coiflet小波coif5作为小波基,根据对比重构效果和原始信号数值误差值变化,选取5层分解尺度,将分解后得到的第5层的低频近似系数E5作为特征值;所述二次项拟合法提取特征是使用y=At^2+Bt+C,其中,y为传感器响应信号值,t为检测时间;通过最小二乘法对响应曲线进行拟合,将拟合后获得的参数A,B,C作为特征值;(4)、根据上述3种特征提取算法取得的特征值作为原始数据,分别采用主成分分析和线性判别分析对上述数据进行处理,选取区分效果最好的特征值作为预测模型的训练值;采用线性回归模型建立区分效果最好特征提取方法所提取的特征值与茶树受害虫取食时间之间的定量预测模型;表达式为:Y=a1×X1+a2×X2+……+ai×Xi+……+a10×X10+b;其中Y为取食时间,Xi为上述区分效果最好特征提取方法所提取的特征值,i为上述区分效果最好特征提取方法所提取的特征值的个数,a1,a2,ai,b均为常数;(5)、按照步骤(1)和(2)检测未知害虫取食时间的茶树,取得电子鼻的响应曲线,使用步骤(3)中分类效果最优的特征提取方法对该数据进行特征提取,最后代入步骤(4)的预测模型中,预测其受害虫取食时间。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201610016866.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top